28032024Qui
AtualizadoQua, 27 Mar 2024 5pm

PUBLICIDADE
Daichii Sankyo

 

Estratégias para refinar o screening tomográfico no câncer de pulmão

Douglas Racy NET OKQue características radiológicas podem otimizar a análise de exames tomográficos diante de achados de nódulos pulmonares? Estudo com participação da Mayo Clinic publicado na PLOS One mostrou o valor potencial de uma nova abordagem baseada em radiometria para a classificação de nódulos pulmonares indeterminados. “Radiomics se refere à extração computadorizada de dados de imagens radiológicas e fornece um potencial único para tornar o rastreamento do câncer de pulmão mais rápido e preciso usando algoritmos de machine learning. As características quantitativas analisadas expressam características sub-visuais de imagens que se correlacionam com a patogênese das doenças", afirma o onco-radiologista Douglas Racy (foto), da BP- A Beneficência Portuguesa de São Paulo.

Segundo o especialista, existem alguns sinais que permitem ao radiologista diferenciar entre uma lesão maligna ou benigna. No entanto, em muitos casos a biopsia se faz necessária. “Não é em 100% das tomografias que é possível saber se a lesão é benigna ou maligna. Pelo contrário. E não adianta achar que só com exames de imagem é possível escolher a seleção terapêutica. É preciso uma biopsia para comprovar, principalmente no Brasil, onde o governo e os convênios exigem a confirmação histológica para autorizar o tratamento”, observa.

Métodos e resultados

Os pesquisadores buscaram identificar variáveis quantitativas independentes, avaliando um conjunto de 57 características do nódulo no exame radiológico, a partir de um conjunto de dados do National Lung Cancer Screening Trial (NLCST) que considerou 726 nódulos indeterminados (todos ≥ 7 mm, benigno, n = 318 e maligno, n = 408).

A análise multivariada foi realizada utilizando o método LASSO para aumentar a precisão da predição e a qualidade da interpretação do modelo multivariado.

Oito das 57 características radiológicas foram selecionadas pela modelagem multivariada LASSO pela capacidade de distinguir nódulos benignos de achados de malignidade. Essas 8 características incluíram variáveis de captura, como localização, tamanho, forma, densidade, características e curvatura da superfície do nódulo, assim como a textura do tecido pulmonar circundante.

Para os autores, embora a tecnologia pareça muito promissora e tenha o potencial de mudar a maneira pela qual os médicos avaliam os nódulos pulmonares detectados incidentalmente, ela ainda requer validação adicional.

Atualmente, refinar estratégias capazes de aprimorar a prevenção secundária do câncer de pulmão é uma necessidade urgente. “Os resultados de exames de câncer de pulmão com resultados falsos positivos aumentam os custos de assistência médica e podem levar a lesões e mortalidade não intencionais”, diz Tobias Peikert, pneumologista da Mayo Clinic e primeiro autor do estudo. “Um dos problemas mais desafiadores no screening para câncer de pulmão é que a grande maioria dos nódulos pulmonares detectados não é câncer. Mesmo em indivíduos com alto risco de câncer de pulmão, até 96% dos nódulos não são câncer", esclarece.

Referência: Peikert T, Duan F, Rajagopalan S, Karwoski RA, Clay R, Robb RA, et al. (2018) Novel high-resolution computed tomography-based radiomic classifier for screen-identified pulmonary nodules in the National Lung Screening Trial. PLoS ONE 13(5): e0196910. https://doi.org/10.1371/journal.pone.0196910


Publicidade
ABBVIE
Publicidade
ASTRAZENECA
Publicidade
SANOFI
Publicidade
ASTELLAS
Publicidade
NOVARTIS
Publicidade
INTEGRAL HOME CARE
banner_assine_300x75.jpg
Publicidade
300x250 ad onconews200519